Para resolver o problema da baixa precisão de extração de pontos-chave e do alto volume de parâmetros computacionais no método de correspondência baseado na rede SuperPoint sob desafios como iluminação, pose e ângulo, foi proposta uma metodologia leve de extração e correspondência de pontos-chave que integra uma estratégia progressiva. Primeiramente, a estrutura da rede SuperPoint foi ajustada utilizando convoluções separáveis em profundidade para reduzir o volume de parâmetros computacionais do modelo; em seguida, foi desenvolvido um módulo de atenção na parte de extração de características para aumentar a capacidade espacial da rede na extração de características, e projetado um módulo progressivo de fusão de múltiplas escalas para capturar os detalhes do alvo, fortalecendo a capacidade de expressão das características; por fim, o algoritmo SuperGlue foi utilizado para corresponder os pontos-chave obtidos. Análises experimentais no conjunto de dados Hpatches mostraram que o algoritmo proposto alcançou uma precisão média de correspondência (mAP) e repetibilidade dos pontos-chave (Rep) de 86% e 70% em cenários de mudança de iluminação, e 78% e 68% em cenários de mudança de ponto de vista. O algoritmo proposto não só demonstra certas vantagens na correspondência de características, como também obteve bons resultados quando aplicado à costura de vídeo.

extração de pontos-chave;correspondência de pontos-chave;leve;mecanismo de atenção;fusão progressiva de características em múltiplas escalas